內容簡介
人工智慧:一種現代方法《人工智慧:一種現代方法(第2版)》既詳細介紹了大量的基本概念、思想和算法，也描述了各研究方向最前沿的進展，同時收集整理了詳實的歷史文獻與事件。因此《人工智慧:一種現代方法(第2版)》適合於不同層次和領域的研究人員及學生，可以作為信息領域和相關領域的高等院校本科生和研究生的教材或教學輔導書目，也可以作為相關領域的科研與工程技術人員的參考書。
作者簡介
作者：（美國）斯圖爾特·羅素（Stuart Russell） （美國）諾文（Peter Norvig） 譯者：姜哲 金奕江 張敏 等
斯圖爾特·羅素（Stuart Russell），1962年生於英國朴次茅斯（Portsmouth）。他於1982年以優異成績在牛津大學獲得物理學碩士學位，並於1986年在史丹福大學獲得計算機科學的博士學位。之後他加入加州大學伯克利分校，任計算機科學系教授、智慧型系統中心主任，他是Smith-Zadeh工程學講座教授（Smith-Zadeh Chak of Engineering）頭銜的持有者。1990年他獲得國家科學基金的“總統青年研究者”（Presidential Young Investigator）獎，1995年他是“計算機與思維”（Computer and Thought）獎的獲得者之一。他是加州大學1996年的一名Miller教授（Miller Professor），並於2000年被指定為首席講座教授（Chancellor’s Professorship）。1998年他在史丹福大學做過Forsythe紀念演講（Forsythe Memorial Lecture）。他是美國人工智慧學會的成員和前執行委員會委員。他已經發表過100多篇論文，內容涉及人工智慧領域的廣泛課題。他的其它著作包括《在類比與歸納中使用知識》（The Use of Knowledge in Analogy and Induction），以及（與Eric Wefald合著的）《做正確的事情：有限理性的研究》（DDt he Right Thing：Studiesin Limited Rationality）。彼得·諾維格（Peter Norvig），Google公司的搜尋質量部門主管（director of Search Quality）。他是美國人工智慧學會的成員和執行委員會委員。他曾經是NASA Ames研究中心計算科學部的主任，在那裡他監督NASA在人工智慧和機器人學領域的研究與開發。之前他作為Junglee的首席科學家幫助開發了最早的網際網路信息抽取服務之一，並作為一名資深科學家在Sun微系統實驗室從事智慧型信息檢索的研究工作。他在布朗（Brown）大學獲得套用數學碩士學位，並在加州大學伯克利分校獲得計算機科學的博士學位。他曾任南加州大學的教授，並且是伯克利的研究職員。他有超過50部計算機科學領域的論著，包括著作《人工智慧程式設計範例：通用Lisp語言的案例研究》（Paradigms of A IP rogramming：Case Studies in Common Lisp）、《Verbmobil：一個面對面對話的翻譯系統》（Verbmobil：A Translation System for Face to-face Dialog），以及《UNIX的智慧型幫助系統》（Intelligent Help System for UNIX）。
圖書目錄
第一部分 人工智慧
第1章 緒論
1.1 什麼是人工智慧
1.1.1 類人行為：圖靈測試方法
1.1.2 類人思考：認知模型方法
1.1.3 理性地思考：“思維法則”方法
1.1.4 理性地行動：理性智慧型體方法
1.2 人工智慧的基礎
1.2.1 哲學（公元前428年-現在）
1.2.2 數學（約800年-現在）
1.2.3經濟學（1776年-現在）
1.2.4 神經科學（1861年-現在）
1.2.5 心理學（1879年-現在）
1.2.6 計算機工程（1940年-現在）
1.2.7 控制論（1948年-現在）
1.2.8 語言學（1957年-現在）
1.3 人工智慧的歷史
1.3.1 人工智慧的孕育期（1943年-1955年）
1.3.2 人工智慧的誕生（1956年）
1.3.3 早期的熱情，巨大的期望（1952年-1969年）
1.3.4 現實的困難（1966年-1973年）
1.3.5 基於知識的系統：力量的鑰匙？（1969年-1979年）
1.3.6 AI成為工業（1980年-現在）
1.3.7 神經元網路的回歸（1986年-現在）
1.3.8 AI成為科學（1987年-現在）
1.3.9 智慧型化智慧型體的出現（1995年-現在）
1.4 目前發展水平
1.5 小結
參考文獻與歷史的注釋
習題
第2章 智慧型化智慧型體
2.1 智慧型體和環境
2.2 好的行為表現：理性的概念
2.2.1 性能度量
2.2.2 理性
2.2.3 全知者，學習和自主性
2.3 環境的本質
2.3.1 詳細說明任務環境
2.3.2 任務環境的屬性
2.4 智慧型體的結構
2.4.1 智慧型體程式
2.4.2 簡單眼射型智慧型體
2.4.3 基於模型的反射型智慧型體
2.4.4 基於目標的智慧型體
2.4.5 基於效用的智慧型體
2.4.6 學習智慧型體
2.5 小結
參考文獻與歷史的注釋
習題
第二部分 問題求解
第3章 用搜尋法對問題求解
3.1 問題求解智慧型體
3.1.1 定義明確的問題及解
3.1.2 把問題形式化
3.2 問題實例
3.2.1 玩具問題
3.2.2 現實世界問題
3.3 對解的搜尋
3.4 無信息的搜尋策略
3.4.1 廣度優先搜尋
3.4.2 代價一致搜尋
3.4.3 深度優先搜尋
3.4.4 深度有限搜尋
3.4.5 疊代深入深度優先搜尋
3.4.6 雙向搜尋
3.4.7 無信息搜尋策略的比較
3.5 避免重複狀態
3.6 使用不完全信息的搜尋
3.6.1 無感測問題
3.6.2 偶發性問題
3.7 小結
參考文獻與歷史的注釋
習題
第4章 有信息的搜尋和探索
4.1 有信息的（啟發式的）搜尋策略
4.1.1 貪婪最佳優先搜尋
4.1.2 A*搜尋：最小化總的估計解耗散
4.1.3 存儲限制的啟發式搜尋
4.1.4 為了更好地搜尋而學習
4.2 啟發函式
4.2.1 啟發函式的精確度對性能的影響
4.2.2 設計可採納的啟發函式
4.2.3 從經驗里學習啟發函式
4.3 局部搜尋算法和最最佳化問題
4.3.1 爬山法搜尋
4.3.2 模擬退火搜尋
4.3.3 局部剪枝搜尋
4.3.4 遺傳算法
4.4 連續空間的局部搜尋
4.5 在線上搜尋智慧型體和未知環境
4.5.1 在線上搜尋問題
4.5.2 在線上搜尋智慧型體
4.5.3 在線上局部搜尋
4.5.4 在線上搜尋的學習
4.6 小結
參考文獻與歷史的注釋
習題
第5章 約束滿足問題
5.1 約束滿足問題
5.2 CSP問題的回溯搜尋
5.2.1 變數和取值順序
5.2.2 通過約束傳播信息
5.3 約束滿足問題的局部搜尋
5.4 問題的結構
5.5 小結
參考文獻與歷史的注釋
習題
第6章 對抗搜尋
6.1 博弈
6.2 博弈中的最佳化決策
6.2.1 最優策略
6.2.2 極小極大值算法
6.2.3 多人遊戲中的最優決策
6.3 a-B剪枝
6.4 不完整的實時決策
6.4.1 評價函式
6.4.2 截斷搜尋
6.5 包含幾率因素的遊戲
6.5.1 有幾率節點的遊戲中的局面評價
6.5.2 期望極小極大值的複雜度
6.5.3 牌類遊戲
6.6 博弈程式的當前發展水平
6.7 討論
6.8 小結
參考文獻與歷史的注釋
習題
第三部分 知識與推理
第7章 邏輯智慧型體
7.1 基於知識的智慧型體
7.2 wumpus世界
7.3 邏輯
7.4 命題邏輯：一種非常簡單的邏輯
7.4.1 語法
7.4.2 語義
7.4.3 一個簡單的知識庫
7.4.4 推理
7.4.5 等價、合法性和可滿足性
7.5 命題邏輯的推理模式
7.5.1 歸結
……
第8章 一階邏輯
第9章 一階邏輯中的推理
第10章 知識表示
第四部分 規劃
第11章 規劃
第12章 現實世界的規劃與行動
第五部分 不確定知識與推理
第13章 不確定性
第14章 機率推理
第15章 關於時間的機率推理
第16章 制定簡單決策
第17章 制定複雜決策
第六部分 學習
第18章 從觀察中學習
第19章 學習中的知識
第20章 統計學習方法
第21章 強化學習
第七部分 通訊、感知與行動
第22章 通訊
第23章 機率語言處理
第24章 感知
第25章 機器人學
第八部分 結論
第27章 人工智慧：現狀與未來
附錄A 數學背景
附錄B 關於語言和算法的注釋
參考文獻（見人民郵電出版社網站）
